换一批基于对称不确定性和SVM递归特征消除的信息基因选择方法
Informative Gene Selection Method Based on Symmetric Uncertainty and SVM Recursive Feature Elimination
摘要基因表达谱中存在大量与肿瘤分类无关的基因,严重降低肿瘤诊断的准确率.基因表达谱还存在高维小样本、噪声大等问题,增加肿瘤诊断的难度.为了获取基因数量较少且分类能力较强的信息基因子集,文中提出基于对称不确定性(SU)和支持向量机递归特征消除(SVM-RFE)的信息基因选择方法.首先利用SU评估基因和类标签之间的相关性,根据SU定义近似马尔科夫毯,快速消除大量无关和冗余基因.然后利用SVM-RFE进一步剔除冗余基因,获取有效的信息基因子集.实验表明,文中方法可以在选取维数较少或相等的信息基因子集情况下获取较高的肿瘤分类性能.
更多相关知识
关键词
基因选择对称不确定性支持向量机递归特征消除肿瘤分类Gene SelectionSymmetric UncertaintySupport Vector MachineRecursive Feature EliminationTumor Classification
分类号
TP391
栏目名称
DOI
10.16451/j.cnki.issn1003-6059.201705005
发布时间
2017-06-30（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引32
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
